Pandas代码优化：如何提升可读性、简化DataFrame索引编写逻辑

原代码逐一枚举连续年度索引的写法机械重复度高，手写时容易出现数值错漏、长度不匹配的问题，以下是功能完全等价的简化实现，不需要手动罗列每个索引元素：

零改动等价简化 #

直接用Python原生的range生成连续整数序列，完全匹配原代码的索引取值范围（从start值开始，连续7个步长为1的整数）：

start = 2014
df = pd.DataFrame({'age': past_cars_sold}, index=range(start, start + 7))

说明：range遵循左闭右开的区间规则，range(2014, 2021)生成的元素为2014、2015……2020，和原代码逐一枚举的索引内容完全一致。后续如果需要调整索引长度，只需要修改start + N中的N值即可，不用逐行补写索引项。

适配场景的增强方案 #

根据后续的使用需求，可以选择更贴合场景的索引生成方式，进一步降低维护成本：

• 使用Pandas原生的pd.RangeIndex生成连续整数索引，相比Python原生range，Pandas处理效率更高，还可以直接给索引起名：

  df = pd.DataFrame(
      {'age': past_cars_sold},
      index=pd.RangeIndex(start=start, stop=start+7, step=1, name='year')
  )
  

• 如果后续需要对索引做时间维度的计算、聚合，可以用pd.date_range直接生成带年度频率的索引，语义更清晰：

  df = pd.DataFrame(
      {'age': past_cars_sold},
      index=pd.date_range(start=f'{start}-01-01', periods=7, freq='YS').year
  )
  

原写法的常见弊端 #

• 手写枚举连续值的方式冗余度极高，索引序列越长，机械重复的工作量越大
• 手动书写时很容易出现错漏，比如漏写某一个年度、数值偏移写错
• 调整索引长度时需要手动匹配past_cars_sold的元素数量，经常会出现索引和数据长度不匹配的报错

内容的提问来源于stack exchange，提问作者pawan